【技术实现步骤摘要】
本专利技术涉及城市综合管理，具体涉及一种无人机视角下的共享单车规范度评价方法。
技术介绍
1、共享单车的便捷性和环保性在城市出行中发挥了重要作用，但其无序停放的问题也随之而来，成为城市管理的一大难题。这种无序停放不仅损害了城市形象，还带来了多方面的负面影响：(1)从城市环境和美观的角度来看，共享单车乱停乱放严重影响了城市的整洁度和美观度。大量无序停放的共享单车占据了人行道、绿化带等公共空间，使得原本宽敞的步行区域变得拥挤不堪。这不仅降低了市民的出行体验，还破坏了城市的环境卫生和景观形象。(2)从交通秩序和安全的角度来看，共享单车乱停乱放给城市交通带来了极大的隐患。乱停的共享单车可能阻塞交通要道、阻碍机动车和非机动车的正常行驶，增加了交通事故的风险。特别是在繁忙的交通路口和狭窄的街道上，无序停放的共享单车可能成为交通的“绊脚石”，给市民的出行安全带来严重威胁。(3)从城市管理的角度来看，共享单车乱停乱放给城市管理带来了极大的挑战。由于共享单车数量庞大、流动性强，传统的城市管理手段难以有效应对。同时，存在部分用户故意将车辆停放在非指定区域，增加了城市管理的难度和成本。
2、对共享单车维护和管理的基础和前提是对共享单车停放状态进行检测和评估。现有技术中，主要采用人工巡查方式检测共享单车停放状态，即：通过派遣专人进行巡查。然而，这种方法存在巡查效率低下、人力成本高等问题。人工巡查难以全面覆盖所有区域，容易存在遗漏和死角。同时，由于人力有限，难以应对共享单车数量庞大、流动性强的问题。
3、因此，如何低成本、高效准确
技术实现思路
1、针对现有技术存在的缺陷，本专利技术提供一种无人机视角下的共享单车规范度评价方法，可有效解决上述问题。
2、本专利技术采用的技术方案如下：
3、本专利技术提供一种无人机视角下的共享单车规范度评价方法，包括以下步骤：
4、步骤s1：图像采集：
5、无人机搭载高清摄像头，按照规定路线巡检，并在巡检过程中实时采集得到共享单车停放区域图像；
6、步骤s2：倒伏检测：
7、利用图像识别技术对采集到的共享单车停放区域图像进行处理和分析，识别出倒伏的共享单车；
8、步骤s3：整齐度评估：
9、在倒伏检测的基础上，进一步评估共享单车停放区域的整齐度：首先，通过图像处理技术提取出共享单车停放区域图像中每辆共享单车的轮廓，并计算每辆共享单车的质心位置；然后，根据共享单车质心位置在空白图像上绘制点云，并进行线性拟合，根据停放边线和拟合得到的直线之间的夹角评估整齐度；
10、步骤s4：混放度评估：
11、评估共享单车停放区域图像内是否存在混放现象，即不同种类或品牌的共享单车是否混杂在一起：通过颜色识别和图像分割技术，将共享单车停放区域图像中的共享单车按照颜色进行分类，并计算各类共享单车在共享单车停放区域中的空间分布熵；根据空间分布熵和混放区域的面积占比，评估共享单车停放区域内的混放度；
12、步骤s5：健康度评分：
13、综合倒伏检测、整齐度评估和混放度评估的结果，对共享单车停放区域的健康度进行评分，方法为：设定不同指标的评分标准和权重，根据各项指标的得分情况，采用下式得出最终的健康度评分h：
14、
15、式中：δ1，δ2，δ3分别为倒伏、整齐度和混放度评价因素所占比重,且δ1+δ2+δ3＝1；y1为倒伏单车数量，y为整体共享单车数量，n为整齐度评分，m为混放度评分。
16、优选的，步骤s1具体为：
17、无人机采用多旋翼无人机，具有垂直起降和悬停功能，其搭载云台相机、高精度定位模块、避障传感器；搭载的云台相机具有广角、变焦和红外拍摄功能。
18、优选的，步骤s2中，采用倒伏检测模块进行共享单车倒伏检测，其采用深度学习技术，通过训练大量样本数据，自动学习并识别出共享单车及其倒伏状态，并结合gps信息和时间戳，精确定位倒伏共享单车的位置和倒伏发生的时间；具体包括共享单车区域截取和倒伏识别两阶段，包括如下步骤：
19、步骤s2.1，构建共享单车倒伏训练样本集；所述训练样本集包括多个训练样本；每个所述训练样本为共享单车倒伏图片；所述共享单车倒伏图片包括无人机视角拍摄图片和开源图片；所述共享单车倒伏图片具有倒伏共享单车最小外接矩形，形成倒伏共享单车的标注框；
20、其中，所述共享单车倒伏图片为通过图像质量评价函数评价后，图像质量高于设定值的共享单车倒伏图片；
21、图像质量评价函数为：
22、
23、式中：α1，α2，α3分别为主观评价因素、客观评价因素和图像峰值信噪比所占比重,α1<α2<α3，且α1+α2+α3＝1；fi为第i次通过主观评价而给予图像的分数,n为进行主观评价的次数；zj为第j次通过客观评价而给予图像的分数，m为进行客观评价的次数；χ表示图像的峰值信噪比；
24、步骤s2.2，将共享单车倒伏训练样本集引入残差注意机制的特征金字塔结构深度学习网络进行训练，得到训练好的倒伏检测模型；
25、步骤s2.2.1，对输入网络的每个共享单车倒伏训练样本进行预处理，调整到规定尺寸；
26、步骤s2.2.2，将预处理后的共享单车倒伏训练样本分割成sxs单元格，每个单元格用于检测中心点落在该单元格的共享单车图像，每个单元格得到共享单车预测框以及其置信度；
27、其中：共享单车倒伏信息的置信度，采用准确率、精准率和召回率进行置信度的计算，三者均通过混淆矩阵计算得到；
28、步骤s2.2.3，每个单元格给出其预测类别的概率值，记为pr；
29、步骤s2.2.4，遍历所有单元格，筛选交并比大于阈值的单元格中心点集合，即：如果交并比大于阈值则保留单元格中心点，反之，则舍弃单元格中心点，设共得到w个网格中心点；
30、步骤s2.2.5，边界框的准确度采用共享单车预测框与实际框的交并比表示，记为iou；
31、步骤s2.2.6，对步骤s2.2.4筛选后的w个网格中心点，采用损失函数计算损失值，如果损失值小于设定值，则对深度学习网络的训练结束，得到训练好的倒伏检测模型，执行步骤s2.3；否则，根据损失值调节深度学习网络的参数，得到更新后的深度学习网络，对于更新后的深度学习网络，采用剩余共享单车倒伏训练样本继续进行训练；以此不断迭代，直到得到训练好的深度学习网络，执行步骤s2.3；
32、步骤s2.3，采用训练好的倒伏检测模型，对输入的共享单车停放区域图像进行检测截取。
33、优选的，步骤s3中，整齐度评估为：通过计算各辆共享单车之间质心所连成的线与参考线之间的夹角，分析出共享单车停放整齐度。
34、优选的，步骤s3具体为：采用整齐度评估模块实现对共享单车停放整齐度的精确评本文档来自技高网...
【技术保护点】
1.一种无人机视角下的共享单车规范度评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人机视角下的共享单车规范度评价方法，其特征在于，步骤S1具体为：
3.根据权利要求1所述的一种无人机视角下的共享单车规范度评价方法，其特征在于，步骤S2中，采用倒伏检测模块进行共享单车倒伏检测，其采用深度学习技术，通过训练大量样本数据，自动学习并识别出共享单车及其倒伏状态，并结合GPS信息和时间戳，精确定位倒伏共享单车的位置和倒伏发生的时间；具体包括共享单车区域截取和倒伏识别两阶段，包括如下步骤：
4.根据权利要求1所述的一种无人机视角下的共享单车规范度评价方法，其特征在于，步骤S3中，整齐度评估为：通过计算各辆共享单车之间质心所连成的线与参考线之间的夹角，分析出共享单车停放整齐度。
5.根据权利要求4所述的一种无人机视角下的共享单车规范度评价方法，其特征在于，步骤S3具体为：采用整齐度评估模块实现对共享单车停放整齐度的精确评估，并且，整齐度评估模块结合GPS信息和时间戳，对各个共享单车停放区域位置进行精确追踪和巡检时间的准确记录
6.根据权利要求5所述的一种无人机视角下的共享单车规范度评价方法，其特征在于，步骤S4中，采用混放度评估模块，评估共享单车停放区域图像内是否存在不同种类或品牌的共享单车混合停放的情况，同时，结合GPS信息和时间戳，通过GPS信息对各个共享单车停放区域位置进行精确追踪，通过时间戳记录巡检的准确时间，具体方法为：
...【技术特征摘要】
1.一种无人机视角下的共享单车规范度评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人机视角下的共享单车规范度评价方法，其特征在于，步骤s1具体为：
3.根据权利要求1所述的一种无人机视角下的共享单车规范度评价方法，其特征在于，步骤s2中，采用倒伏检测模块进行共享单车倒伏检测，其采用深度学习技术，通过训练大量样本数据，自动学习并识别出共享单车及其倒伏状态，并结合gps信息和时间戳，精确定位倒伏共享单车的位置和倒伏发生的时间；具体包括共享单车区域截取和倒伏识别两阶段，包括如下步骤：
4.根据权利要求1所述的一种无人机视角下的共享单车规范度评价方法，其特征在于，步骤s3中，整齐度评估为：通过计算各辆共享单车...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。